EDA do log de eventos

O quê

Como usamos dados derivados dos logs de eventos da wikimedia, aqui primeiro exploramos esses logs para entender como os eventos foram coletados, e para procurar características inesperadas.

library(tidyverse)
library(lubridate)
theme_set(theme_bw())

Lendo os eventos

Existem 12.219 sessões com actions diferentes

### Existem 12.219 sessões com actions diferentes
events %>% group_by(session_id, action) %>% 
            count() %>% 
            filter(n > 1) %>%
            group_by(session_id) %>% 
            count() %>%
            filter(nn > 1) %>%
            arrange(desc(nn))

Existem 3 tipos de actions

Sobre as páginas

Existem 176371 páginas nos dados de um total de 400165 observações

144676 páginas aparecem apenas uma vez nos dados

t = events %>% count(page_id) %>% filter(n > 1) %>% co %>% arrange(n)

Error in co(.) : não foi possível encontrar a função "co"

Das páginas que aparecem mais de uma vez a maioria aparece 16 vezes. Quais os sessions ids? e data? e actions?

o que é checkin, n_results e position results?

No tempo

Qual intervalo de data temos nos dados?

Por tipo

Etc.

1 - What is our daily overall clickthrough rate? How does it vary between the groups?

2 - Which results do people tend to try first? How does it change day-to-day?

3 - What is our daily overall zero results rate? How does it vary between the groups?

4 - Let session length be approximately the time between the first event and the last event in a session.

5 - Choose a variable from the dataset and describe its relationship to session length. Visualize the relationship.

Summarize your findings in an executive summary.